BrowserSkill：让 AI Agent 用上你「已经登录」的浏览器

图：BrowserSkill 官方横幅（来自项目仓库 docs/assets/browserskill-readme-banner.png）

一、一个具体的场景

「帮我把公司 CRM 里这个月的客户名单导出来」——这句话对 AI Agent 来说本该很简单，直到它打开一个空白的新浏览器：没有 cookie、没有登录态、没跳出 SSO 页面。于是 Agent 卡在登录框前，要么失败，要么让你把账号密码给它——而这显然不可接受。

绝大多数 Agent 浏览器工具的困境就在这里：它们启动一个全新的、无状态的浏览器实例。而你真正每天用的那个浏览器，里面有 20 个站点的登录态。

腾讯开源的 BrowserSkill 换了个思路：别开新浏览器，接管我正在用的那个。

二、它是什么

BrowserSkill 是腾讯开源的一套「浏览器桥接」方案，由三部分组成：

1. bsk CLI（Rust 编写，自带后台守护进程）
2. 浏览器扩展（Chrome / Edge，基于 Chromium 125+）
3. Agent Skill（一段教 Agent 怎么用 bsk 的技能包）

它通过扩展与浏览器之间的本地连接，让 Agent 复用你当前的登录态去读页面、填表单、走流程、截长图、排查失败请求。

关键设计是任务窗口隔离：Agent 任务跑在一个单独的、可见的「Agent Window」里，你可以看着它干活；需要人介入（登录、验证码、授权）时窗口会主动弹到前台，你处理完再继续。已有标签页可以「借」进来，任务结束后再还回去。

官方一句话概括得很准："Let AI agents work in your logged-in browser while you keep working."

三、一个类比：给 AI 配一把你家的钥匙

普通 Agent 浏览器工具像是给访客发了一张访客卡——进得去前台，但进不去你已登录的邮箱、内部系统、付费墙内容。BrowserSkill 更像是把你家门上的指纹锁密码（准确说是把已登录的浏览器会话）授权给 AI。

这带来一个真实的质变：AI Agent 能处理那些「必须登录才能做」的任务——查企业内部 Wiki、导出后台数据、在 OA 上走审批、填 CRM 表单。这一类任务在企业里占了 Agent 需求的大半，但在没有登录态复用的情况下基本无法自动化。

四、核心功能

能力	具体做什么
复用现有账号	用浏览器当前登录态读文档、搜内部站、填表单、完成 Web 流程
任务可见	独立 Agent Window，可借还标签页，人工环节自动弹前台
读取与交互	检查页面文本与控件、点击输入、管理标签页、视口/整页截图、文件上传下载
带证据的调试	把动作关联到请求、响应体、console 消息和页面变化；检查性能、慢接口、可疑重复请求；支持 HTTP 规则或请求重放
浏览器选择	命名浏览器实例、绑定任务到特定 profile、把服务器上的 Agent 与本机浏览器配对
事后复盘	重开浏览器本地调试历史、导出 JSON 证据、独立的操作审计
结构化提取	把加载好的表格与列表导出为 JSON/CSV，含列名、页面/iframe 来源、合并单元格元信息与明确覆盖率
录像	把某个授权标签页录成无声 MP4，可预览、保存或删除
元素等待	等待指定元素条件并带显式超时再继续流程

其中「结构化提取」和「带证据的调试」是同类工具里比较少见的两项——前者直接解决「Agent 爬完表格怎么给我干净数据」，后者解决「为什么这个页面加载慢」这种前端排查需求。

五、上手门槛

安装分三步，官方甚至提供了一句「让 Agent 自己装」的口令：

Set up browser-skill on this machine by following https://raw.githubusercontent.com/Tencent/BrowserSkill/main/AGENT_INSTALL.md

手动流程是：

curl -fsSL https://raw.githubusercontent.com/Tencent/BrowserSkill/main/install.sh | sh
export PATH="${BSK_INSTALL_DIR:-$HOME/.local/bin}:$PATH"
bsk --version

然后装扩展（Chrome Web Store / Edge Add-ons），打开扩展 popup 启用本地连接，最后：

bsk install-skill          # 交互选择 harness（Space 切换，Enter 确认）
bsk install-skill --harness cursor --json   # 非交互式
bsk doctor                 # 连接自检

平台支持：CLI 支持 macOS（Apple Silicon 与 Intel）、Linux（x64 与 ARM64）、Windows（x64）；扩展支持 Chrome 与 Edge。

没有 Web UI——它是一套 CLI + 扩展的本地工具，不是服务端应用。硬件要求极低：不需要 GPU，内存几百 MB 足够，磁盘占用在百 MB 级。

可以直接用 CLI 而不经 Agent：

bsk session start --json
bsk navigate https://example.com --session <id>
bsk observe --session <id>
bsk screenshot --session <id> --out example.png
bsk session stop <id>

六、争议与局限

安全边界天然更近。 复用登录态意味着 Agent 拥有你已登录网站的操作权限。这个能力必须配合可见窗口、人工确认和审计来做——项目确实提供了 Agent Window 前台弹出和操作审计，但它无法替你判断「哪张表可以导出」。

扩展是权限放大器。 装上之后，任何能调用 bsk 的 Agent 都能操作你的浏览器会话。团队部署前必须限制哪些 harness 可以使用它。

Chrome 的原生弹窗无法完全拦截。 页面打开原生弹窗时 Chrome 仍可能激活窗口，扩展只能尽力恢复之前的窗口或最小化状态，无法保证零瞬时抢焦点或把焦点还给其他应用。这是浏览器公开扩展 API 的硬限制。

依赖具体扩展版本。 0.3.3 升级时六个 browser_* 工具被重命名为 bsk_*（无别名兼容），DeepSeek Harness 插件用户必须先更新 CLI 和扩展。跨版本踩坑概率不低。

沙箱 Agent 需要额外配置。 在 WorkBuddy/CodeBuddy 或会回收子进程的宿主里，需要复用已有守护进程或用 bsk daemon start --foreground 跑在托管后台任务中，并按 docs/sandboxed-agents.md 配置共享 BSK_HOME、BSK_AUTO_START=0。

生态兼容性依赖。 只保证 Chrome 和 Edge（Chromium 125+），其他 Chromium 浏览器可能可用但不保证。

七、行业意义

浏览器是 Agent 落地企业场景的第一道门槛，而「登录态」这道门槛几乎挡住了所有「非公开信息」类任务。BrowserSkill 代表了 2026 年 Agent 工具的一个清晰转向：从「模拟一个干净的浏览器」转向「接管你真实的工作环境」。

这个转向带来的是能力跃迁，也是安全风险的跃迁。腾讯选择把代码完全开源（MIT 协议，TypeScript 扩展 + Rust CLI 混合栈），并把能力限定在「本地桥接」而非云端托管——扩展在本地、CLI 在本地、数据不出机器，这个安全模型是它区别于云端浏览器服务（如 Browserless 类）的关键。

对团队的现实价值：把「必须登录才能做」的那一半 Agent 需求真正打开；对个人：Agent 干活时你能继续用浏览器，而不必把账号密码交出去。